机器学习入门书单1

创作立场声明：来谈谈小白如何入门机器学习

如果有志于以后从事算法工程师，数据挖掘师等职业的话，基本的代码能力是必须的基本功，也是重要的内功之一。

一般来说主流语言是python，python入门的话推荐下面这本书。

全书分为两部分，语法部分和实战部分。语法部分基础的语法都涉及到了，同时每章也有不多但是非常有趣的习题，对于牢固掌握知识点非常有帮助。实战部分分为三个小项目，游戏制作，数据可视化，以及应用程序编写。这些项目不很复杂但也不很简单，既能帮助我们综合掌握前面的知识点又能发掘python中你真正感兴趣的方向。

如果是python想进一步加深掌握的话，推荐这本书:

对于python的高级特性oop（面向对象编程），装饰器，数据结构，语法糖都有全面的涉及，内容比较深但并不太难，如果实在觉得内容繁多的话，建议重点掌握前16章的知识。我当时个人读完之后最大的收获是可以更高效地阅读github上的源码和csdn上的社区讨论帖。

想要成为一名优秀的算法工程师/机器学习工程师，那么优秀的数学能力必不可少，可以说重要性丝毫不亚于编程能力。然而罗马城不是一天建成的，数学功底也是一样。但是通过以下的书你可以小小地窥视一下机器学习中的数学。

本书对于那些感觉自己数学能力不足又希望能够短时间快速掌握相关数学的人是一个非常棒的选择，书中全面介绍了从多元函数微积分，信息论的数学知识，同时也特别适合作为查阅相关数学知识的工具书。

至于相关数学知识的深入学习目前本人也在进行中，就不在赘述了。

在修完内功我们终于开始学习真正的机器学习了，在这一领域的经典书籍也很多，我个人相对比较偏好的是两类书，一类是理论知识详实的书，另一类是编程实现方法详实的书。以下两本书是我认为比较适合入门的：

这本书的作者就是大名鼎鼎的“南瓜书”作者周志华，但是与南瓜书相对较为艰深的理论不同，本书旨在为有志于机器学习理论学习和研究的读者提供一个入门导引。在预备知识之后，全书各章分别聚焦于：可学性、（假设空间）复杂度、泛化界、稳定性、一致性、收敛率、遗憾界。

本书 除介绍基本概念外，还给出若干分析实例，如显示如何将不同理论工具应用于支持向量机这种常见机器学习技术。

这是一本代码浓度很高的机器学习书，这本书最大的优势在于它有许多经典算法的完整python实现和书中练习题的答案，按照书上的代码造轮子可以快速提升自己的算法构建能力，配合上面理论性较强的《机器学习理论导引》食用更佳。

我整理的这一份书单，希望能为想要如何进入机器学习领域的你提供一些参考。